[发明专利]基于大数据与贝叶斯神经网络的AGC系统辨识方法在审
| 申请号： | 201810503450.0 | 申请日： | 2018-05-23 |
| 公开（公告）号： | CN108985313A | 公开（公告）日： | 2018-12-11 |
| 发明（设计）人： | 彭道刚;赵慧荣;田园园;苏烨;何钧;高升;孙宇贞;梅兰 | 申请（专利权）人： | 上海电力学院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08;G06Q50/06 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 宣慧兰 |
| 地址： | 200090 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于大数据与贝叶斯神经网络的AGC系统辨识方法，包括：1、采集AGC系统的历史数据，预处理得到样本数据；2、对贝叶斯神经网络初始化；3、计算隐含层、输出层各神经元的输入输出，计算实际输出与贝叶斯神经网络输出之差，并按照MSE标准计算误差；4、判断误差是否达到要求，若是，则进行步骤6，否则，对输出层与隐含层之间的权值和阙值进行修正，对输入层与隐含层之间的权值和阙值进行修正，更新各连接权值，学习次数加1；5、重复步骤3～4，直到达到误差要求或者最大学习次数；6、计算贝叶斯神经网络，得到辨识的数学模型。与经典BP神经网络辨识方法相比，本发明拥有更好的辨识准确度和更快的收敛速度。 | ||
| 搜索关键词： | 贝叶斯 辨识 神经网络 隐含层 大数据 权值和 输出层 神经网络初始化 神经元 预处理 神经网络输出 修正 标准计算 历史数据 实际输出 数学模型 误差要求 样本数据 准确度 输入层 收敛 采集 输出 学习 重复 更新 | ||
【主权项】：
1.一种基于大数据与贝叶斯神经网络的AGC系统辨识方法，其特征在于，包括以下步骤：S1、采集AGC系统的历史数据，对历史数据进行预处理后得到样本数据；S2、对贝叶斯神经网络初始化；S3、计算隐含层、输出层各神经元的输入和输出，计算实际输出与贝叶斯神经网络输出之差，并按照MSE标准计算误差；S4、判断误差是否达到要求，如果达到要求，则进行步骤S6，否则，对输出层与隐含层之间的权值和阙值进行修正，对输入层与隐含层之间的权值和阙值进行修正，更新各连接权值，学习次数加1；S5、重复步骤S3～S4，直到达到误差要求或者最大学习次数；S6、计算贝叶斯神经网络隐含层和输出层的最终结果，得到辨识的数学模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海电力学院，未经上海电力学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810503450.0/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于权值不确定性玻尔兹曼机的识别方法及系统
- 下一篇：目标检测方法及设备
